基于Tomek链的边界少数类样本合成过采样方法

作者：陶佳晴; 贺作伟; 冷强奎^*; 翟军昌; 孟祥福

来源：计算机应用研究, 2023, 40(02): 463-469.

DOI：10.19734/j.issn.1001-3695.2022.07.0341

• 不平衡数据分类
• 合成过采样
• 边界样本
• K近邻
• Tomek链

在类别不平衡数据集中，由于靠近类边界的样本更容易被错分，因此准确识别边界样本对分类具有重要意义。现有方法通常采用K近邻来标识边界样本，准确率有待提高。针对上述问题，提出一种基于Tomek链的边界少数类样本合成过采样方法。首先，计算得到类间距离互为最近的样本形成Tomek链；然后，根据Tomek链标识出位于类间边界处的少数类样本；接下来，利用合成少数类过采样技术(SMOTE)中的线性插值机制在边界样本及其少数类近邻间进行过采样，并最终实现数据集的平衡。实验对比了八种采样方法，结果表明所提方法在大部分数据集上均获得了更高的G-mean和F1值。

• 单位
  辽宁工程技术大学